Cognitive OS  →  Demo 1  →  判断的诞生与升级

一个判断
如何从"模糊的初判"
变成"工程化的状态机"

这是认知引擎与 LLM Wiki 最大的区别。 LLM Wiki 把"维护知识"自动化；认知引擎把"形成判断 + 验证判断 + 推翻判断 + 反哺方法论"工程化。 下面用一个真实的投资主题做骨架，演示一个判断节点的完整生命周期。

DAY 1 · 起点 · NODE SCHEMA
04 Cognition / Domain / Investment-Thesis / 【投资】某主题.md
type:            cognition
domain:          investment
layer:           investment-thesis
confidence:      🔴 0.40  # 起点：低置信
evolution-stage: 萌芽 E
evidence:        []          # 零证据
falsifiers:      # 你冷静时写下的"会推翻这个判断的条件"
  - F1: [某宏观条件未兑现]
  - F2: [某基本面信号被推翻]
  - F3: [某市场指标反转]
methodology:     [[L1-L7 投资框架]]
created:         DAY 1
updated:         DAY 1
判断生命周期 · 5 个关键时刻

不是一次性结论 · 是带状态机的工程化对象

DAY 1 🔴 0.40 初判 萌芽 E 初判 — 看到一个早期信号
外部输入：你读到一份行业研究，触动了某个判断的雏形。"似乎 X 正在发生，但还不确定。"
动作 1：写下一句话假设 — 这就是判断的"种子"
动作 2：列出 3 个 Falsifier — "如果出现什么，我就承认错了"
动作 3：初始 confidence = 🔴 0.40（低置信 · 直觉级）
动作 4：登记进 Cognition Wiki + 写进 index.md
DAY 30 🟡 0.62 升级 加速 A 早段 证据累积 — 一个月内 5 条独立信号
每日蒸馏自动跑：30 天里多个独立来源进入 Inbox，被路由到这个主题的证据池。
evidence +5：每条证据带日期 + 来源 + 一句摘要
confidence 升级：🔴 0.40 → 🟡 0.62（多条独立证据收敛）
evolution-stage 切换：萌芽 E → 加速 A 早段
Falsifier F1/F2 都仍未触发（你冷静时担心的最坏情况没出现）
DAY 60 🟡 0.72 加速 A 后段 关键宏观数据公布 — 触发 Falsifier 反向证伪
某天宏观数据公布：这本来是 F1（"如果某宏观条件未兑现就证伪"）的反向条件，结果数据反而进一步验证了原判断。
F1 状态：从"萌芽监测"→ ⛔ 反向证伪深化（连原本可能推翻它的方向都成了正向证据）
evidence +1：带 "F1 反向证伪深化" 标签，永久归档
L5 定价层 Price-In：~55% → ~65%（主情景共识完成度推进）
本日 Synthesis 报告：自动列出此变化为"今日五大增量"之一，你 5 分钟读完确认
DAY 75 🟡 0.80 制度化前段 S- 演化阶段切换 — 进入"配置首选窗口"
双视角错位检测：Price-In × 置信度 落在"研究领先 ✓ 边缘"象限 — 你比共识快了一步。
evolution-stage：加速 A 后段 → 制度化前段 S-
判断协议触发：系统提醒"这是配置首选窗口"（不是 AI 建议，是你冷静时写在方法论里的规则）
对应行动：你做出决策 → 决策日志（认知快照）→ Position 同步
反馈进 Inbox："研究领先 ✓ 边缘窗口首次端到端闭环"
DAY 90 · 当前 🟢 0.85 拥挤期 S+ 临界 从"判断"到"协议升级" — 反馈反哺方法论
跨主题 trigger 叠加：多个独立信号在同一周内同向触发 → 拥挤期 S+ 临界 → 减仓窗口提醒。
Falsifier 新增：F4 候选"二线参与者覆盖率不足"量化条件首次满足 → 正式纳入监测
v3.2 鱼尾期减仓协议触发：第一次端到端执行（trigger → Synthesis → Decision → Position 同步）
实际行动 → 反馈："协议第一次跑通"作为反馈进入 Drafts / Feedback
方法论自动升级：反馈被蒸馏 → 写入方法论文件 → 自动反向追加 evidence 到所有关联 Cognition 节点
DAY 90 · 当前态 · NODE SCHEMA
04 Cognition / Domain / Investment-Thesis / 【投资】某主题.md
type:            cognition
confidence:      🟢 0.85  # 90 天里从 0.40 升到 0.85
evolution-stage: 拥挤期 S+ 临界  # 5 次阶段切换
evidence:        # 21 条带日期与来源 · 不是 LLM 总结的"摘要"，是带 Falsifier 标签的归档
  - DAY 30  [行业研究]: 触发证据 1
  - DAY 45  [财报]: 量化条件兑现
  - DAY 60  [F1 反向证伪深化]: 关键宏观信号
  - DAY 75  [双视角错位]: 研究领先 ✓ 边缘
  - DAY 90  [F4 候选纳入]: 新 falsifier 量化达标
  ... (共 21 条)
falsifiers:
  - F1: ⛔ 反向证伪深化
  - F2: ❌ 未触发
  - F3: ❌ 未触发
  - F4: ⚠️ 候选量化达标  # DAY 90 新增
methodology:     [[v3.2.2 短期跳涨暂停建仓协议]]  # 反馈反向升级后的链接
latest-spike-event: { date: DAY 85, magnitude: +20% }
updated:         DAY 90
VS LLM WIKI

同一个主题 · 两种系统 · 90 天后的不同产出

LLM Wiki 给你的

一份不断更新的研究综述

90 天里，每条新证据进入 → 关键信息提取 → 整合进 wiki 页 → 更新实体页 → 修订综合段落 → 标记矛盾。

90 天后你有一份跨多源、自洽、最新的研究综述。

缺什么？
→ 没有"我现在多确信"的量化置信度
→ 没有"什么情况下我会承认错了"的证伪条件清单
→ 没有"这个判断该不该让我现在采取行动"的协议化决策接口

认知引擎给你的

一个工程化的判断状态机

90 天里，同样的证据被路由进同一个判断节点，但每条都带：日期、来源、是否触动某个 Falsifier、是否推进 evolution-stage、是否触发某条协议。

多了什么？
→ confidence 三档动态升降（🔴 → 🟡 → 🟢）
→ Falsifier 主动监测，反向证据自动触发"待复核"
→ 判断 ↔ 行动 ↔ 反馈 ↔ 方法论 的完整闭环

这不是"知识被维护"
这是"判断在被工程化"
LLM Wiki 是 Knowledge 层的复利 · 认知引擎是 Judgment 层的复利
关于本 Demo：时间线骨架来自一个真实投资主题的演化路径，所有具体细节（标的代号、仓位百分比、决策日期）均已抽象化。 本页展示判断作为工程化对象的状态机机制本身，不构成投资建议。